您的位置: turnitin查重官网> 工程 >> 电气工程 >> 电气工程及自动化 >阐述神经网络基于切削声和切削力参数融合刀具磨损监测系统选题

阐述神经网络基于切削声和切削力参数融合刀具磨损监测系统选题

收藏本文 2024-03-24 点赞:13756 浏览:51049 作者:网友投稿原创标记本站原创

摘要:随着现造业和工业自动化的高速进展,数控机床和加工中心得到了广泛运用,为了保证这些无人参与的自动化加工历程的安全可靠的进行,迫切需要能够实现实时在线监测切削历程的系统。作为切削历程的直接执行者,刀具的磨损会降低加工历程中的精度,并且使加工效率降低,由此刀具状态的监测就变得越来越重要,它在推动加工历程中的无人化和自动化进展方面起到了非常重要的作用。刀具磨损和破损在切削历程中是不可避开的,它会给自动化加工带来许多不良的影响,影响工件的表面质量,造成机床的损坏,甚至会威胁操作者的生命安全,造成难以估计的损失。探讨表明,数控机床在安装了刀具监测系统后,因刀具磨损和破损而造成的停机时间减少到原来的25%,机床的利用率提升了一半以上,这样生产效率得到了提升,也就节约了生产成本。经过这几十年的进展刀具的监测技术在广度和深度上都已经达到了一定的水平,但是到目前还没有一种能适用于不同的加工条件下并能监测各种刀具的策略,也就是各种策略的适用范围都有限,还远没有达到自动化制约的要求。本论文主要针对基于切削声和切削力参数融合的刀具磨损监测系统进行探讨,做了以下相关工作:(1)将几种常用的刀具状态监测策略的利用范围及特点进行了比较,对国内外的探讨近况及探讨成果进行了概述,浅析了现在刀具状态监测技术有着的不足及未来的进展走势。在此基础上,提出了将切削声信号和切削力信号融合起来共同来监测刀具磨损状态的策略。(2)确立了运用MEMS麦克风采集切削声信号和运用霍尔传感器采集电流信号的案例,针对切削声信号进行了特点参数的选取,并提出了间接测量切削力的设计案例。引入基于神经网络的多传感器信息融合策略,重点介绍了BP神经网络,对BP算法进行了论述推导,并针对传统算法的缺陷,提出了BP算法的改善算法。(3)在YCM-V116B立式数控加工中心进行了铣削实验,并对实验数据进行了预处理,提取了切削声信号和切削力信号的特点参数,将这些参数作为BP网络的输入,然后对BP神经网络进行了设计,包括输入层、隐层、输出层的确立,以及神经网络训练时各参数的选择,通过对此网络的训练,得出切削声和切削力融合后能够提升识别刀具磨损程度的准确性和稳定性。(4)在浅析系统功能需求的基础上,选择ARM9S3C2410处理器作为系统核心,围绕其设计了刀具磨损监测系统。分别设计了切削声信号以及电流信号的采集电路,通过A/D转换传送至处理器,并且设计了电源、复位、JTAG、串口以及LCD显示模块,使得所设计的刀具磨损监测系统完全满足刀具磨损监测的功能需求。(5)对软件平台进行了构建及设计,首先简单介绍了运用程序、驱动程序与硬件之间的联系,然后采取Qt进行人机界面的运用程序设计,之后对目标机的软件平台进行了搭建。最后基于Qt/Embedded进行GUI设计,并将运用程序移植到目标机上,基本实现了所需软件的功能要求。关键词:刀具磨损监测论文信息融合论文BP神经网络论文ARM&Linux论文

    摘要8-10

    Abstract10-12

    第一章 绪论12-24

    1.1 刀具状态监测技术的作用12-13

    1.2 几种常用的刀具状态监测策略综合评述13-14

    1.3 刀具状态监测技术的探讨近况、有着的不足及进展走势14-16

    1.3.1 国内外探讨近况及探讨成果14-15

    1.3.2 有着的不足15

    1.3.3 刀具状态监测技术的进展走势15-16

    1.4 本课题策略的提出16-21

    1.4.1 以切削声信号作为监测参数16-17

    1.4.2 以切削力信号作为监测参数17-18

    1.4.3 信息融合监测技术18-20

    1.4.4 基于 ARM 的硬件平台的探讨20-21

    1.5 本课题探讨的主要内容21-22

    1.6 本章小结22-24

    第二章 总体案例设计24-30

    2.1 传感器的选择24-25

    2.1.1 声传感器24-25

    2.1.2 电流传感器25

    2.2 特点参数的选择25-27

    2.2.1 切削声的特点参数选择25-26

    2.2.2 切削力的间接测量26-27

    2.3 系统总体案例设计27-28

    2.4 本章小结28-30

    第三章 基于神经网络的多传感器信息融合策略的探讨30-36

    3.1 信息融合技术30

    3.2 基于神经网络的多传感器信息融合策略30-35

    3.2.1 神经元31-32

    3.2.2 神经网络的基本原理32-33

    3.2.3 BP 神经网络33-35

    3.3 本章小结35-36

    第四章 实验设计与数据浅析36-44

    4.1 铣削实验与实验数据的预处理36-38

    4.2 基于 BP 神经网络的刀具磨损监测38-42

    4.2.1 BP 神经网络的设计38-40

    4.2.2 BP 神经网络的训练40-42

    4.3 本章小结42-44

    第五章 刀具磨损监测系统的硬件设计44-52

    5.1 硬件总体结构44

    5.2 处理器的选择44-45

    5.3 采集切削声信号的电路设计45

    5.4 电流信号采集电路设计45-46

    5.5 其他模块46-50

    5.5.1 电源模块46-47

    5.5.2 复位模块47

    5.5.3 JTAG 模块47

    5.5.4 串口模块47-48

    5.5.5 LCD 显示模块的设计48-50

    5.6 本章小结50-52

    第六章 软件平台的构建及设计52-60

    6.1 LCD 运用程序与驱动程序53-54

    6.1.1 软件层之间的联系53-54

    6.1.2 LCD 驱动程序架构54

    6.2 Qt 概述54-55

    6.3 基于 Qt/Embedded 的 GUI 设计55-57

    6.4 Qt/Embedded 程序的移植57-59

    6.4.1 交叉编译57

    6.4.2 移植目标程序57-59

    6.5 本章小结59-60

    第七章 结论与展望60-62

    7.1 结论60

    7.2 革新点60-61

    7.3 展望61-62

copyright 2003-2024 Copyright©2020 Powered by 网络信息技术有限公司 备案号: 粤2017400971号